[发明专利]气化工艺的反向设计装置及方法

权利要求书

1.一种气化工艺的设计方法，其特征在于，包括如下步骤：

步骤1：确定原料特征和设计需求，所述设计需求即设计目标取值范围；

步骤2：根据步骤1中的原料特征和设计需求，给出设计变量的假定值，利用所述假定值和经验公式计算得到设计变量初始值；

步骤3：根据步骤2得到的设计变量初始值，确定反向设计的设计变量优化范围，并将所述优化范围作为多目标遗传算法的优化范围，在优化范围中随机产生规模为N的初始种群P_t，即得到多个包含所有设计变量的个体，每个个体中的设计变量值均在优化范围中随机产生，使用热力学平衡模型-人工神经网络模型和相关公式计算每个个体的适应度，即根据设计变量值确定相应的设计目标值；

步骤4：通过非支配模糊排序法对步骤3中得到的初始种群P_t中的个体进行排序，对排序后的种群进行遗传算法的“选择、交叉、变异”操作，产生种群Q_t，将初始种群P_t和种群Q_t合并为过渡群体R_t，通过非支配模糊排序法对过渡种群R_t中的个体进行排序，选择前N个优势个体放入新种群P_t+1中，当新种群P_t+1符合多目标遗传算法设定的收敛标准时，输出所有非支配个体，进入步骤5，否则重复步骤4；

步骤5：采用带有模糊目标权系数的谱系聚类法对步骤4输出的所有非支配个体进行聚类，计算聚类过程最后5步的PSF值，选择PSF值最大的一组聚类结果，把每类看成由各个设计变量和设计目标组成的区间集，随机从每类设计变量区间集中产生10～100个样本，通过TEM-ANN模型预测方法进行检验，并调整设计目标区间，最后利用非支配模糊排序法对不同类进行排序，获取最符合设计要求的设计变量与设计目标区间。

2.根据权利要求1所述的方法，其特征在于，在步骤1中，所述原料特征包括工业分析数据、元素分析数据和原料低位热值；所述工业分析数据包括水分、灰分、挥发分和固定碳的含量；所述元素分析数据包括C％、H％和O％。

3.根据权利要求1所述的方法，其特征在于，所述步骤3中对于气化工艺的TEM-ANN模型预测方法的步骤具体包括：

子步骤31：收集包含原料特征、气化炉结构参数、运行参数和对应气化产气结果的实际工况样本，建立数据库，并用所述实际工况样本对ANN进行训练与检验；

子步骤32：给定原料特征、气化炉结构参数和运行参数，并假定气化温度，并通过训练好的ANN得到相应工况下的气化产气组分浓度；

子步骤33：根据质量守恒方程和ANN得到的气化产气组分浓度，求解相应工况下1摩尔生物质原料气化产生的各产物组分的摩尔数，利用各产物组分摩尔数和能量守恒方程求解气化温度；

子步骤34；计算子步骤33中计算的气化温度和子步骤32中输入ANN的气化温度之差，若两者之差小于1K，输出气化温度和各气体组分浓度，否则，返回子步骤32。

4.根据权利要求1所述的方法，其特征在于，步骤3对于气化工艺的TEM-ANN模型预测方法的步骤中，还包括根据所述气化产气组分浓度和原料特征计算得到产气热值、产气率和气化效率的步骤，具体计算公式如下：

LHV_g＝0.126·CO％+0.108·H₂％+0.359·CH₄％；

其中，G_p为产气率，Nm³/kg，n_CO、为1摩尔生物质原料气化产生的各气体组分的摩尔数，M_b为1摩尔气化生物质的质量，单位为kg，LHV_g为产气(低位)热值，LHV^t为原料(低位)热值。